內(nèi)容一覽：雷暴、冰雹、龍卷風(fēng)等極端天氣總是讓人捉摸不透又避之不及。然而澳洲的研究者們卻以身犯險(xiǎn)，深入雹暴收集數(shù)據(jù)，只為讓天氣預(yù)報(bào)得更準(zhǔn)。在超級(jí)計(jì)算機(jī)和 AI 的加持下，人類能否追上風(fēng)暴，讓混沌的天氣系統(tǒng)不再那么捉摸不透？且看這部追風(fēng)者們主演的「追風(fēng)者也」。

關(guān)鍵詞：大模型 追風(fēng)者 極端天氣

作者 | 雪菜

編輯 | 三羊

本文首發(fā)于 HyperAI 超神經(jīng)微信公眾平臺(tái)~

1996 年上映的知名冒險(xiǎn)災(zāi)難片《龍卷風(fēng)》中，主角為了對(duì)龍卷風(fēng)進(jìn)行深入的研究，將探測(cè)設(shè)備親身帶入到龍卷風(fēng)中心，以實(shí)現(xiàn)實(shí)時(shí)的數(shù)據(jù)記錄。

受這部電影啟發(fā)，澳大利亞氣象學(xué)者 Joshua Soderholm 及 Julian Brimelow 一起開(kāi)始了自己的追風(fēng)之旅，并成功將小型天氣傳感器冰探 (hailsonde) 帶入了雹暴 (hail storm)，以收集雹暴當(dāng)中的氣象數(shù)據(jù)，變革極端天氣的研究方法。

圖 1：電影《龍卷風(fēng)》劇照

冰探的形狀與冰雹類似，重約 24 g。它們和氣球連在一起，被一同釋放到雹暴當(dāng)中。進(jìn)入雹暴中心后，二者分離，冰探就和冰雹一樣，經(jīng)歷冰雹在雹暴中的軌跡，并記錄冰雹在雹暴中移動(dòng)的生長(zhǎng)條件。此外，冰探還記錄到了顯著的冰增長(zhǎng)，并跟隨超級(jí)單體的中氣旋旋轉(zhuǎn)了半圈。

圖 2：兩個(gè)冰探在雹暴中的軌跡

「起初這只是一個(gè)課余項(xiàng)目。當(dāng)時(shí)我們想試一下能否利用現(xiàn)有的技術(shù)，制造出一個(gè)電影中的設(shè)備。為確保冰探能夠在雹暴的極端條件中生存下來(lái)，制作過(guò)程中我們解決了很多工程問(wèn)題?！?Joshua Soderholm 說(shuō)道。

圖 3：冰探的結(jié)構(gòu)，3D 打印的零件、電池及其他電子器件被封裝在聚苯乙烯外殼中

「從雹暴中心收集數(shù)據(jù)就像是追尋氣象學(xué)中的白鯨，既危險(xiǎn)又令人著迷。從雹暴中心收集得到的數(shù)據(jù)，將會(huì)提升我們模擬雹暴的能力，并為冰雹在雹暴中的行為提供直接證據(jù)。但這沒(méi)有聽(tīng)起來(lái)那么容易，它需要你在正確的時(shí)間出現(xiàn)在正確的位置，還得遇上正確的雹暴。」

在幾天的壞運(yùn)氣之后，他們撞上了一個(gè)超級(jí)單體，并成功將兩個(gè)冰探放進(jìn)了雹暴中。超級(jí)單體是一種水平尺度達(dá)十幾千米，生命期達(dá)幾十分鐘到數(shù)小時(shí)，比普通的成熟單體雷暴更巨大、更持久、天氣更為劇烈的單體強(qiáng)雷暴系統(tǒng)。冰探被超級(jí)單體捕獲之后，與氣球分離，之后像冰雹一樣隨雹暴漂浮，最終被時(shí)速超過(guò) 120 km 的風(fēng)帶到了 7 km 外的區(qū)域。

圖 4：Joshua Soderholm 在放飛冰探

令人捉摸不透的天氣系統(tǒng)

氣象預(yù)測(cè)離不開(kāi)人的參與。即使利用超級(jí)計(jì)算機(jī)，借助衛(wèi)星數(shù)據(jù)和雷達(dá)數(shù)據(jù)，我們依然很難對(duì)氣象系統(tǒng)做出準(zhǔn)確的預(yù)測(cè)。1961 年，美國(guó)的氣象學(xué)家愛(ài)德華·諾頓·洛倫茨 (Edward Norton Lorenz) 嘗試用計(jì)算機(jī)程序預(yù)測(cè)未來(lái)的天氣。

在得到結(jié)果之后，他將程序在中間步驟的輸出值，作為下一個(gè)步驟的輸入值，再次運(yùn)行了程序。然而，由于輸入值只保留了 3 位小數(shù)，而程序是以 6 位浮點(diǎn)數(shù)運(yùn)行的，這千分之一的偏差使得程序的輸出值和上次得到的結(jié)果完全不同。

據(jù)此，他提出了混沌系統(tǒng)這一概念。氣象系統(tǒng)就是典型的混沌系統(tǒng)，它并非完全的隨機(jī)，但很容易因某個(gè)因素的變化而發(fā)生劇烈的變化。也就是說(shuō)，氣象系統(tǒng)是一個(gè)很敏感的系統(tǒng)。

「蝴蝶效應(yīng)」就是一個(gè)夸張但又典型的例子，一只南美洲熱帶雨林的蝴蝶扇動(dòng)兩下翅膀，就可能為美國(guó)帶來(lái)一場(chǎng)龍卷風(fēng)。這一切的源頭，就是蝴蝶擾動(dòng)了系統(tǒng)的初始變量。

圖 5：蝴蝶效應(yīng)

因此，天氣的預(yù)測(cè)很難實(shí)現(xiàn)完全準(zhǔn)確?，F(xiàn)有的氣象預(yù)測(cè)方式，也就是數(shù)值天氣預(yù)報(bào) (NWP)，首先會(huì)將預(yù)測(cè)區(qū)域劃分為網(wǎng)格，之后利用超級(jí)計(jì)算機(jī)通過(guò)數(shù)值模擬求解偏微分方程獲得。

這一方法耗時(shí)很長(zhǎng)，即使是使用有上百個(gè)節(jié)點(diǎn)的超級(jí)計(jì)算機(jī)，對(duì)未來(lái) 10 天的天氣進(jìn)行預(yù)測(cè)也需要花費(fèi)數(shù)個(gè)小時(shí)。同時(shí)，受網(wǎng)格分辨率的限制，一些小尺度的氣象過(guò)程會(huì)被近似函數(shù)參數(shù)化，為氣象預(yù)測(cè)帶來(lái)誤差。

正因?yàn)榇耍瑢?duì)于小尺度的極端天氣和中長(zhǎng)期的氣象預(yù)測(cè)，NWP 很難做到完美。今年的 5 號(hào)臺(tái)風(fēng)杜蘇芮生成后，不同機(jī)構(gòu)基于不同的模型利用超級(jí)計(jì)算機(jī)進(jìn)行了路徑預(yù)測(cè)，結(jié)構(gòu)大相徑庭。即使是同一模型做出的預(yù)測(cè)，也在隨著氣象條件的變化不斷進(jìn)行修正，直到臺(tái)風(fēng)登陸前才能做出相對(duì)準(zhǔn)確的預(yù)測(cè)。

之后的 6 號(hào)臺(tái)風(fēng)卡努，走位也很獨(dú)特，在太平洋上突然轉(zhuǎn)彎，然后開(kāi)始漫步，最后直擊日本，讓超級(jí)計(jì)算機(jī)也一頭霧水。

圖 6：全球集合預(yù)報(bào)系統(tǒng) (GEFS) 對(duì) 2023 年 6 號(hào)臺(tái)風(fēng)卡努的路徑預(yù)測(cè)，可謂天花亂舞

同時(shí)，由于各個(gè)機(jī)構(gòu)做出的氣象預(yù)測(cè)千差萬(wàn)別，天氣的預(yù)測(cè)還需要預(yù)報(bào)員的參與。預(yù)報(bào)員會(huì)綜合所有的氣象預(yù)測(cè)結(jié)果，并結(jié)合當(dāng)?shù)氐臍夂蛱攸c(diǎn)、地形條件、個(gè)人經(jīng)驗(yàn)等，做出最終的天氣預(yù)報(bào)，但依然不能保證完全正確。沒(méi)辦法，氣象系統(tǒng)就是這么的捉摸不透。

圖 7：1986 年 16 號(hào)臺(tái)風(fēng)韋恩路徑圖

極端氣象的追逐者

小尺度的超級(jí)單體更是中長(zhǎng)期天氣預(yù)報(bào)的一條漏網(wǎng)之魚(yú)。超級(jí)單體的特點(diǎn)就是形成快、難預(yù)測(cè)，易形成雷暴、冰雹、強(qiáng)降雨或龍卷風(fēng)等極端天氣。

2021 年 8 月 16 日晚，北京市海淀區(qū)遭遇超級(jí)單體，突降暴雨。旱河路鐵路橋橋下積水在 30 分鐘內(nèi)漲到 1.75 米，導(dǎo)致 2 人死亡。2023 年 8 月 13 日下午，江蘇省鹽城市大豐區(qū)遭遇龍卷風(fēng)，造成 2 人死亡，15 人受傷。這場(chǎng)龍卷風(fēng)的形成也與超級(jí)單體有關(guān)。

圖 8：鹽城大豐區(qū)龍卷風(fēng)

然而，雷暴、冰雹、龍卷風(fēng)等壯觀的氣象景觀，可以讓探險(xiǎn)者們大飽眼福，也因此吸引了很多像 Soderholm 這樣的追風(fēng)者。每當(dāng)臺(tái)風(fēng)來(lái)臨，或是附近有超級(jí)單體將要形成時(shí)，追風(fēng)者們就會(huì)做足準(zhǔn)備，向風(fēng)暴奔去。

同時(shí)，作為極端天氣的第一見(jiàn)證者，追風(fēng)者們還可以收集到極端天氣的第一手信息，為氣象研究提供寶貴的材料，豐富現(xiàn)有的計(jì)算模型和 AI 模型的數(shù)據(jù)庫(kù)，為氣象學(xué)的發(fā)展做出重要貢獻(xiàn)。

媲美 NWP 的氣象大模型

早在 2021 年，阿里云就透露稱，達(dá)摩院與國(guó)家氣象中心聯(lián)合研發(fā)了 AI 算法用于天氣預(yù)測(cè)，并成功預(yù)測(cè)了多次強(qiáng)對(duì)流天氣。同年 9 月，Deepmind 在《Nature》上發(fā)表文章，利用深度生成模型進(jìn)行降雨量的實(shí)時(shí)預(yù)報(bào)。

今年年初，Deepmind 正式推出了 GraphCast，可以在一分鐘內(nèi)對(duì)全球未來(lái) 10 天的氣象，進(jìn)行分辨率為 0.25° 的預(yù)測(cè)。4 月，南京信息工程大學(xué)和上海人工智能實(shí)驗(yàn)室合作研發(fā)了「風(fēng)烏」氣象預(yù)測(cè)大模型，誤差較 GraphCast 進(jìn)一步降低。

隨后，華為推出了「盤(pán)古」氣象大模型。由于模型中引出了三維神經(jīng)網(wǎng)絡(luò)，「盤(pán)古」的預(yù)測(cè)準(zhǔn)確率首次超過(guò)了目前最準(zhǔn)確的 NWP 預(yù)測(cè)系統(tǒng)。近期，清華大學(xué)和復(fù)旦大學(xué)相繼發(fā)布了「NowCastNet」和「伏羲」模型。前者在短時(shí)極端天氣預(yù)測(cè)上大有作用，后者則將預(yù)測(cè)時(shí)長(zhǎng)延長(zhǎng)到了 15 天。

圖 9：「盤(pán)古」模型和 ECMWF 對(duì) 2018 年 25 號(hào)臺(tái)風(fēng)康妮（圖 a）和 26 號(hào)臺(tái)風(fēng)玉兔（圖 b）的路徑預(yù)測(cè)。

紅色：「盤(pán)古」模型的預(yù)測(cè)

藍(lán)色：ECMWF 的預(yù)測(cè)

黑色：實(shí)際情況

可以看到，氣象預(yù)測(cè)大模型在預(yù)測(cè)精度和預(yù)測(cè)時(shí)間上都在不斷逼近，甚至部分超過(guò)了傳統(tǒng)的 NWP 分析模式。同時(shí)，相比于 NWP ，AI 大模型的氣象預(yù)測(cè)需要的設(shè)備條件更低，花費(fèi)時(shí)間也更短。僅用一張 Google TPU v4，GraphCast 就可以在分鐘之間預(yù)測(cè)出未來(lái)的天氣。

然而，現(xiàn)有的 AI 大模型只能通過(guò)學(xué)習(xí)過(guò)去的氣象數(shù)據(jù)，對(duì)未來(lái)的氣象進(jìn)行預(yù)測(cè)。因此，在極端天氣和突發(fā)天氣的場(chǎng)景中，大模型還需要其他算法的輔助，更離不開(kāi)人的參與。此時(shí)，活躍在風(fēng)暴中心的追風(fēng)者們提供的氣象數(shù)據(jù)對(duì) AI 大模型的優(yōu)化則顯得更為重要。人類與大模型攜手，定能拍出一部?jī)?yōu)秀的「追風(fēng)者也」。

參考鏈接：

[1] https://phys.org/news/2023-08-movie-inspired-technology-successfully-hail-eye.html

[2] http://m.nmc.cn/ty/

[3] http://henan.china.com.cn/tech/2021-06/22/content_41599891.htm

[4] https://arxiv.org/abs/2212.12794

[5] https://www.nature.com/articles/s41586-023-06185-3/figures/4

[6] 江燕如，典型天氣過(guò)程分析 [M]. 北京：氣象出版社，2016.

本文首發(fā)于 HyperAI 超神經(jīng)微信公眾平臺(tái)~